基于Transformer模型的学情预警系统

学情预警是学生管理工作的重要组成,是日常教学管理和教学改革的重要参考。目前学情预警主要面临学情评价不全面、预警不及时的问题。本文提出了一种基于Transformer模型的学情预警系统,分为数据存储、预测系统和可视化界面三个部分。数据存储通过ETL工具将相关数据提取至数据仓库;预测系统使用Transformer模型根据学生历史数据和风险指数推测本学期课程成绩;可视化界面将预警结果分层并展示。经实验验证,系统准确性能够满足使用需求,使相关人员更及时更全面了解学生的学习状态,开展相关工作。

基于特征加权的朴素贝叶斯学情预警分类研究

学情预警是现阶段高校辅导员的一项重要工作。针对高校学情预警仅以旷课次数和不及格门数来衡量的不科学性,提出一种基于特征加权的朴素贝叶斯学情预警分类方法。该方法通过观察与调查相结合的方法,系统的采集学生是否沉迷于网络游戏、上学期成绩等五类属性数据。为进一步提高分类的准确性,将加权模式与朴素贝叶斯方法相结合,实验结果表明,该分类方法的准确率较高,能适用于高校学情预警。高校辅导员可以利用该分类算法提前对所管理的班级学生进行预警,将问题学生扼制在萌芽状态。